基于无偏灰色GM(1,1)的铁精矿品位预测模型

铁精矿品位的准确预测对铁矿选矿厂的生产和管理具有重要意义。为解决选矿厂生产过程中具有随机波动性的铁精矿品位预测问题,提出一种基于线性变换法的无偏灰色GM(1,1)铁精矿品位预测模型。通过采用一种线性变换方法降低铁精矿品位数据序列的波动干扰,将随机波动数据序列转换为单调增长的数据序列,然后将变换后铁精矿品位数据序列代入无偏灰色GM(1,1)模型以实现铁精矿品位预测模型的建模,最后将该预测模型用于两组铁精矿品位数据序列进行了验证。结果表明,基于线性变换的无偏灰色GM(1,1)铁精矿品位预测模型在预测精度和预测性能上优于两个改进的GM(1,1)预测模型,其预测精度均为一级,预测的最小相对误差为0.2%,平均绝对误差均小于1%,模型具有较好的应用性和有效性,为短期预测铁精矿品位提供了一种新途径。

基于无偏灰色组合动态模型的铁路客运量预测研究

针对目前铁路运输客运量预测在精度方面的不足,提出一种无偏灰色组合动态预测模型,应用于现有铁路客运量的预测。通过借鉴无偏GM(1,1)模型直接建模思想,对传统的灰色Verhulst模型作出改进,即对原始序列作倒数生成,运用新生成的倒数序列建立无偏灰色Verhulst模型,以消除传统的灰色Verhulst模型自身的一些偏差;为进一步提高模型的拟合精度及收敛速度,引入马尔科夫链方法对无偏灰色Verhulst模型的拟合结果进行修正,同时兼顾数据序列具有一定的时效性,构建出无偏灰色组合动态客运量预测模型。以我国兰青铁路某区段2010—2019年共10年的客运量数据作为原始数据,验证模型的可靠性与准确性,并与传统EDGM(1,1)模型、灰色Verhulst模型和无偏灰色Verhulst模型作对比,结果表明,本文模型在预测精度方面更凸显优势,能有效提高预测结果的准确性。

无偏灰色—BP神经网络组合模型在变形预测中的应用

在传统灰色预测模型和BP神经网络模型的基础上提出了一种新的组合模型来对变形监测中的沉降进行预测。运用无偏灰色-BP神经网络组合模型,兼顾了灰色预测模型计算样本少、计算简单和BP神经网络自组织、自适应的预测能力等优点,并通过实验结果证明,利用该组合模型方法预测结果的精度明显优于单纯的灰色模型和无偏灰色模型。

含非线性时间项的无偏灰色模型构建与应用

针对含二次多项式时间项灰色模型存在着从差分到微分的跳跃性误差,提出了其无偏模型,此模型无需已知白化方程解析解。借助新变量将原白化方程转化为矩阵微分方程,根据方程的解直接建立离散时间响应函数的递推公式,利用直接建模法给出无偏模型的参数估计,采用精细积分法直接对数据进行高精度的模拟(预测),并以误差平方和最小为目标对初始点进行优化。从理论上证明了该模型具有含线性时间项非齐次指数规律重合性和伸缩变换一致性,从非齐次指数序列和能源消费实例上也验证了所构建模型的无偏性和有效性,具有更好的拟合(预测)精度。

可变参数无偏灰色模型的中长期负荷预测

由于传统灰色预测模型固有的偏差和模型参数的固定选择,导致预测精度较低,不适应中长期负荷预测。对传统模型进行改进,包括对历史数据的平滑处理、模型参数修正、等维新息数据处理和对预测值的修正等,改进后的模型能够较好的预测中长期负荷。

基于无偏灰色模型的煤矿百万吨死亡率预测

为预测中国煤炭行业安全生产状况发展趋势,构建无偏灰色预测模型对我国煤矿百万吨死亡率数据进行模拟预测。通过对我国2005—2010年度煤炭行业的百万吨死亡率有关数据进行模拟,并与传统的灰色GM(1,1)模型的预测模拟结果进行对比分析。计算结果表明:无偏灰色模型消除了传统GM(1,1)模型本身固有偏差,预测精度较高,分析结果可靠,其中,平均绝对误差为0.030 6%,平均相对误差为2.71%,均低于传统GM(1,1)模型。预测数据显示近年来我国煤矿百万吨死亡率正逐步下降,2011年和2012年分别降至0.536%和0.411%,符合煤矿安全生产"十二五"规划要求。

基于新维无偏灰色马尔可夫模型的大坝沉降预测研究

【目的】基于组合预测思想,结合灰色理论与马尔可夫预测方法的特点构建一种新的预测模型,为大坝沉降量的中长期预测提供支持。【方法】通过对传统灰色系统模型的优化改进,简化建模步骤并提高模型预测精度。在此基础上,借助于马尔可夫模型处理时间序列的随机性波动,克服灰色模型对随机波动性大的序列预测精度较低的局限性,并利用新信息优先原理,构建新维无偏灰色马尔可夫组合预测模型。将构建的新维无偏灰色马尔可夫组合模型应用于大坝沉降量的预测。【结果】构建的模型预测平均误差由原来的1.7%降低为1.0%,且预测误差的变化波动性减小。同时,随着预测期数的增加,相对于传统灰色模型,改进后的组合模型的预测精度进一步提高。【结论】与传统计算方法相比,所建立的新维无偏灰色马尔可夫组合预测模型计算量小、预测精度较高,且该模型保留了传统灰色模型短期预测精度高的优点,提高了模型的中长期预测能力,适用于大坝沉降量的中长期预测。

基于无偏灰色模糊马尔可夫链法的铁路货运量预测研究

针对传统灰色马尔可夫预测模型存在灰色偏差与抗干扰能力弱的局限性,将无偏灰色理论与模糊集合理论引入预测模型,从趋势曲线灰色拟合与状态分类方式上对传统灰色马尔可夫模型进行改进,提出无偏灰色模糊马尔可夫链预测铁路货运量的方法,并结合"十一五"期间中国铁路货运量和货运市场发展趋势的预测分析,详细阐述了该方法的具体应用,最后使用定性分析对该方法的预测结果进行检验与讨论。理论分析和算例表明,该方法有更可靠的预测结果,并且能够对铁路货运市场的发展趋势进行宏观的把握,有利于决策者的决策行为。

PSO-无偏灰色马尔科夫模型在船舶交通流量预测中的应用

为提高船舶交通流量的预测精度,利用具有全局搜索能力的粒子群算法(Particle Swarm Optimization, PSO)对无偏灰色马尔科夫模型进行优化,构建船舶交通流量预测的PSO-无偏灰色马尔科夫模型。该模型可综合考虑预测中的残差序列、状态区间、状态转移概率,自适应选取最优白化系数,用以准确表征船舶交通流量的发展趋势。以东营港2012—2017年船舶交通流量季度统计数据为例,选取前21个季度数据对模型进行训练,后2个季度数据对预测结果进行分析,与传统的无偏灰色模型和无偏灰色马尔科夫模型相比,该模型能显著地提高船舶交通流量的预测精度,其拟合精度和预测精度分别为91.439%和95.959%,验证后该模型具有科学性与有效性。

基于无偏灰色Verhulst模型的铁路货运量预测研究

铁路工程项目投资和效益的控制,铁路运输发展战略的制定以及铁路运输设施效益的提高都与铁路货运量密切相关,准确预测铁路货运量具有重要意义。根据无偏GM(1,1)模型直接建模法的思想对传统灰色Verhulst进行改进,即对原始序列作倒数生成,运用新生成的序列建立模型,便可得到无偏灰色Verhulst模型。改进后的模型消除了灰色Verhulst模型自身固有的偏差,用此模型预测兰州至中川铁路货运量,结果表明,无偏灰色Verhulst模型比传统灰色Verhulst模型和GM(1,1)模型的预测精度更高。

无偏灰色模型在电力负荷预测中的应用

为了提高电力负荷预测的准确度,应用无偏灰色预测模型对电网用电量进行了预测,在对无偏灰色模型特性进行了分析的基础上,与传统灰色预测模型进行了对比.理论分析和实例计算均表明,在指数趋势时间序列条件下无偏灰色预测模型较传统灰色预测模型性能优越,相对误差可降低到1%以内,适合在电力负荷预报中推广应用.

基于新维无偏灰色马尔可夫的交通事故预测

交通事故预测是交通安全评价、规划和决策的基础。在传统灰色预测模型和马尔可夫链理论的基础上,利用新信息优先的思想,建立了等维新息无偏灰色马尔可夫预测模型。该模型通过结合灰色预测与马尔可夫链理论的特点,用无偏灰色预测模型拟合系统的发展变化趋势,并以此为基础进行马尔可夫预测,在每一步预测中不断推陈出新,更新原始数据。以2001年—2010年全国道路交通事故死亡人数实测值作为原始数据,构建预测模型,预测其2011年—2015年事故死亡人数。结果表明:等维新息无偏灰色马尔可夫预测模型的误差更小,精度更高,尤其适合中长期预测。

无偏灰色Verhulst模型的优化及其应用

针对传统无偏灰色Verhulst模型初始条件的选取问题,分别提出了以x(1)(1)和x(1)(n)为初始条件的优化模型,使得原始序列的一阶累加生成序列与其模拟值的误差平方和在理论上达到最小.在此基础上,给出最优初始条件下的无偏灰色Verhulst模型的预测公式,并通过实例验证了优化模型的有效性和实用性.

无偏灰色预测模型在边坡变形预测中的应用

根据边坡位移监测信息,应用灰色系统预测模型,可以对边坡变形的发展进行预测.采用传统灰色预测模型和无偏灰色预测模型对边坡变形进行预测,预测结果表明,两种模型都是有效的,无偏灰色预测模型的精度更高.

无偏灰色预测模型在电力系统负荷预测中的应用

灰色预测模型已在负荷预测中得到了广泛的应用,该模型是一种有偏差的指数模型,在该模型基础上作者已导出了无偏灰色预测模型.将无偏灰色预测模型应用于负荷预测中,并与传统灰色预测模型进行了比较,结果显示了无偏灰色预测模型的优越性.

无偏灰色Verhulst模型初始条件的优化

针对传统无偏灰色Verhulst模型初始条件的选取问题,分别提出了以x(1)(1)和x(1)(n)为初始条件的优化模型,使得原始序列的一阶累加生成序列与其模拟值的误差平方和达到最小。在此基础上,给出了最优初始条件下的无偏灰色Verhulst模型的预测公式,并通过实例验证了优化模型的有效性和实用性。

基于最优维数无偏灰色模型的电量负荷预测

为了提高电量负荷预测的准确度,在传统灰色模型和无偏灰色模型的基础上,提出了一种改进灰色模型,该模型选用对预测值影响最大的几组数据进行无偏建模,消除了传统灰色模型和无偏灰色模型中由于原始数据序列选用不当导致的偏差。经模拟运行,运用此模型所做预测值比传统灰色模型和无偏灰色模型所做预测值误差分别减小了3.11％和4.66％。这一方法已在实际生产计划中得到应用。

基于改进无偏灰色马尔科夫模型的煤矿事故死亡人数预测

在传统灰色模型和马尔科夫理论的基础上,根据新信息优先原理,构建维新无偏灰色马尔科夫模型。以我国2003年~2011年煤矿事故死亡人数为基础,预测2012年~2016年煤矿事故死亡人数,并与传统模型预测结果进行对比分析。

无偏灰色预测模型在农业机械总动力预测中的应用

以我国1997-2005年农业机械总动力数据为基础,将无偏灰色预测模型应用到农业机械总动力预测中,并与传统灰色预测模型进行比较,结果反映了无偏灰色预测模型的优越性,最后预测数据显示2009年我国农业机械总动力将达到85 262.54万kW。

无偏灰色模糊马尔可夫链在设备衰退预测中的应用

针对传统灰色马尔可夫模型在固有灰色偏差和抗干扰性方面的不足,提出一种基于无偏灰色模糊马尔可夫链的设备衰退趋势预测模型。首先,引入无偏灰色理论,建立无偏灰色模型,预测设备健康状态的总体趋势;然后,根据此趋势,采用模糊集合理论进行模糊状态划分,从分类方法上改进传统灰色马尔科夫模型,同时克服马尔可夫状态矩阵运算量大的缺点;最后,进行模糊马尔可夫残差修正,确定设备健康状态组合预测值。与传统灰色马尔可夫模型相比,该模型可有效提高预测精度。以屏蔽泵的健康状况数据为样本进行设备衰退趋势预测,结果表明:该模型对第13、14和15个周期的设备健康状态的预测,残差偏移率分别为0.24%、0.10%和-0.05%,对应传统灰色马尔科夫模型的残差偏移率0.46%、0.11%和0.08%,预测精度更高,能够有效实现设备衰退趋势的精确预测。